Python学习之路：正则表达式

正则表达式（regular expression）是⼀种⼴泛⽤于匹配字符串的⼯具。它⽤⼀个“字符串”来描述⼀个特征，然后去验证另⼀个“字符串”是否符合这个特征，并获取匹配后的结果。

1. 普通字符
   字⺟、数字、汉字、下划线、以及没有特殊定义的符号，都是"普通字符"。正则表达式中的普通字符，在匹配的时候,只匹配与⾃身相同的⼀个字符。

2. 元字符
   . 除\n外的任意一个字符
   | 逻辑或
   [] 匹配字符集中的一个字符
   [^] 对字符集取反
   [-] 在[]中的取值区间
   \ 转义字符
   () 对表达式进行分组，将圆括号内的内容看成一个整体，并获得匹配的值。

   分组使用举例：
   ()内的字符串是一个单独整体，可独立使用|
   r1 = re.match(r’\w{4,20}@(163|126).com$’, q).group()
   \1表示引用第一个分组的内容，\2引用第二个分组内容，以此类推。
   r2 = re.match(r’<(\w*)>(.*?)</\1>’, html_str).group()

3. 转义字符串
   ⼀些⽆法书写或者具有特殊功能的字符，采⽤在前⾯加斜杠""进⾏转义的⽅法。
   \r \n 回车 换行
   \t 制表符
   \
   ^ 匹配^
   $ 匹配$
   . 匹配.
   在正则表达式中具有特殊意义的字符需要匹配自身时都需要转义。还有|，(，[，*，?

4. 预定义匹配字符集
   \d 任意一个数字，即0-9
   \D \d的反集
   \w 任意一个大小写字母或者数字或者下划线，即0-9a-zA-Z_
   \W \w的反集
   \s 换行符，空格，制表符任意一个
   \S \s的反集

#匹配任意的数字字符串
re.match(r’\d+’, s)
#匹配任意的字符串，不包含特殊字符
re.match(r’\w+’, s)

6. 重复匹配
   {n} 表达式重复n次
   {m,n} 表达式重复至少m次，最多n次
   {m,} 表达式重复至少m次，没有上限
   ? 匹配表达式0次或者1次，相当于{0,1}
   +表示最少出现一次，没有上限，相当于{1,}
   *表示出现0次到任意次，相当于{0，}

7. 位置匹配
   ^ 在字符串开始的地方匹配，符号本身不匹配任何字符
   re.match(r’^a’, ‘abcd’) 以a开头
   $ 在字符串结束的地方匹配，符号本身不匹配任何字符
   re.match(r’d$’, ‘abcd’) 以d结尾

   匹配163邮箱
   re.match(r’\w+@(163|126).com$’, s)

   \b 匹配一个单词边界，就是单词和空格之间的位置，符号本身不匹配任何字符
   \B 匹配非单词边界，即左右两边都是\w范围或者左右两边都不是\w范围时的字符缝隙。

8. 贪婪模式和非贪婪模式
   贪婪匹配：在重复匹配时，尽可能多的匹配到字符
   非贪婪匹配：在重复匹配时，尽可能少的匹配到字符，写法是在匹配次数的特殊符号后面再加上一个?问号。

9. Python中重要的正则表达式模块re
   常用的方法有：

   group() ，groups()
   当匹配到数据时，使用group提取数据，groups()返回元组。
   当没有匹配到数据时（None），调用时报错

   match() 只匹配一次目标字符串。特点是从字符串开始匹配，而且仅匹配一次，匹配不到即返回None

   search(匹配表达式, 匹配目标字符串, 模式)，特点是从字符串全文搜索匹配，而且仅匹配一次，匹配不到即返回None

   findall() 匹配字符串全文的所有符合字符，返回list。特点是弥补了match和search只匹配一次的缺点，属于贪婪匹配模块。

   compile(正则表达式, flag模式)，注意flag模式，re.S 多行匹配（.也匹配到\n）
   根据正则表达式的字符串创建模式对象，re的工厂方法，可提高匹配效率，返回一个re对象

   举例：
   regu = re.complie(r’\w+@(163|126).com$’)
   result = regu.match(‘123456@163.com’)
   print(result.group())

   split() 切割，返回list

   举例：
   import re
   s = ‘ab;cd|efg|hi|hi,jkl\topq;str,ubw\x07syd’
   实现递归分割所有字符的功能
   print(re.split(r’[,;|\t]+’, s))

   sub() 替换，类似str的replace方法